의학교육의 생성형 AI: 무엇에 쓰이고 무엇이 확인되지 않았는가

생성형 AI의 응답과 학습자의 변화

의학교육에서 생성형 AI는 질문에 답하고 학습자료를 만들며, 가상 환자와의 대화와 수행 피드백에 활용된다. 생성형 AI의 교육적 활용을 이해하려면 모델이 생성한 답변의 질, 학생이 도구를 사용하는 방식, 사용 이후의 수행 변화를 구분해 살펴봐야 한다. 생성된 정보의 정확성, 피드백 이후의 연습과 실제 환자를 만날 때의 수행이 평가 대상이다.

시험 응답 능력에서 교육적 활용 가능성으로

의학교육에서 생성형 AI의 초기 활용을 정리한 범위 문헌고찰은 Arksey and O’Malley의 프레임워크를 따랐다(Preiksaitis & Rose, 2023). PubMed, Web of Science, Google Scholar에서 2022년 1월 1일부터 2023년 6월 21일까지 출판된 영어 문헌을 검색했다. 새로운 콘텐츠를 생성하는 AI를 다룬 문헌을 선정하고, 의사 이외 직종의 교육만 다루거나 비생성형 AI를 다룬 문헌은 제외했다. 검색된 2761건에서 중복 자료와 선정 기준에 맞지 않는 자료를 제외하고 41편을 분석했다. 모두 2023년에 출판됐다. 두 연구자가 처음 100편의 제목과 초록을 독립적으로 심사했을 때 Cohen kappa는 0.76이었다. 주제분석에는 Braun and Clarke의 방법론을 적용했다. 분석 대상 41편 중 의견 논문은 21편(51.2%), 원저는 20편(48.8%)이었으며, 원저 중 16편은 표준화된 평가에서 생성형 AI의 수행을 측정했다.

시험 연구는 미국의사면허시험과 심장학·신경학·안과학 분야의 시험, 기생충학·생화학 등 학부 교과를 다뤘다. 높은 성적이 보고됐지만 대만 가정의학 전문의시험처럼 통과하지 못한 사례도 있었다. 교육적 활용으로는 개인별 학습계획과 자료 생성, 피드백, 암 진단을 알리는 대화의 모의연습 등이 제안됐다. 이미지 생성을 다룬 2편은 성형외과 사례기반학습과 의료인문학 성찰 활동을 다뤘다. 이 두 문헌은 이미지 생성 기술이 임상 사진의 개인정보 유출과 예술작품의 저작권 침해 우려를 덜어줄 수 있다고 논의했다. 글쓰기·번역·문헌 요약은 비영어권 연구자를 지원하는 기능으로 제시됐다. 존재하지 않는 정보와 참고문헌을 만드는 hallucination, 최신 정보 활용의 제약, 편향, 학술적 정직성, 접근성 차이도 논의됐다. 과제를 AI에 맡기면 비판적 사고나 문제해결 능력을 기를 기회가 줄어든다는 우려도 나왔다.

학습 과정을 명시적으로 탐구하거나 학습자에게 생성형 AI를 적용해 교육 효과를 평가한 실증연구는 없었다. 후속 연구 영역으로 AI literacy, 평가, 인간과 AI의 상호작용이 제안됐다. AI literacy는 도구 사용 능력과 정보의 근거·편향성, 책임 있는 사용 여부, 진료에 미칠 영향을 판단하는 능력을 포괄한다. 답변 생성 과정을 알 수 없는 “black box” 문제는 불확실한 임상 정보를 바탕으로 판단하는 교육의 한계로 지적됐다. 형성평가에서는 AI의 해설과 학습자의 후속 질문을 학습활동으로 구성하는 방안이 제시됐다. AI를 평가에 활용할 때는 예비검사로 타당도 근거를 수집하고, 결과가 사람에게 미치는 영향을 검토하도록 제안했다. 초기 영어 문헌에서 보고된 시험 성적은 모델의 응답 능력에 관한 자료이며, 맞춤형 학습과 피드백은 후속 검증을 위한 제안이다. Context, Input, Process, Product(CIPP) model, theory-driven evaluation, realist evaluation은 이를 학습자의 태도·경험 및 교육 맥락과 함께 평가하는 방법으로 제시됐다.

여섯 학습 유형으로 본 학생의 생성형 AI 사용

학생의 활용을 다룬 체계적 문헌고찰에서는 Laurillard’s Conversational Framework를 적용해 생성형 AI 사용을 acquisition, inquiry, practice, production, discussion, collaboration으로 분류했다(Pham et al., 2025). PRISMA 2020 지침에 따라 고찰하고 PROSPERO에 프로토콜을 등록했다(CRD42024543726). ERIC, Education Database, Ovid Medline, Ovid Embase, Scopus에서 시작 연도에 제한을 두지 않고 2024년 9월 15일까지 검색했다. 대학의 정규 보건의료전문직 양성 과정에서 학생의 생성형 AI 사용을 조사한 동료심사 원저를 선정했다. 검색된 1924편 중 33편이 포함됐고, 이 중 28편은 2024년에 발표됐다. 분야별로는 의학 13편, 간호학 9편, 치의학과 약학 각 4편, 수의학 1편, 여러 분야 또는 의학·약학을 함께 다룬 연구 각 1편이었다. 사용 도구는 ChatGPT가 주를 이뤘다. MERSQI 평균 점수는 10.4, 범위는 1–18이었고 질 평가 결과로 제외한 문헌은 없었다. 연구진 5명은 연역적 내용분석으로 활용 사례를 여섯 학습 유형으로 독립적으로 분류하고, 전체 저자 회의와 재검토를 거쳐 합의했다.

연습은 24편(약 73%), 탐구는 23편(약 70%), 산출은 22편(약 67%), 습득은 18편(약 55%)에서 보고됐으며, 토론과 협력은 각각 4편(약 12%)이었다. 이 비율의 분모는 포함된 논문 수이며, 학생 수나 학습 시간의 비율은 아니다. 습득에서는 개념 설명과 오개념 교정, 강의노트 요약, 번역에 생성형 AI가 활용됐다. 탐구에서는 정보 수집·정리와 대안 탐색, 문헌 검색, 프로젝트 구상에 사용됐다. 연습을 다룬 24편 중 17편은 가상 환자와의 상호작용, 병력 청취, 의사소통, 전문직 간 협업 연습 등을 분석했다. 구조화된 대본에서는 환자 상황을 효과적으로 모사했지만, 개방적이거나 모호한 질문에서는 답변의 명료성과 개연성이 낮아졌다. 산출을 다룬 22편 중 20편에서는 과제 수행에 생성형 AI를 사용했고, 일부 연구에서는 성적 향상과 과제 완료 시간 단축을 보고했다. 학생들은 에세이와 증례보고서의 구성과 문법을 다듬는 데도 AI를 활용했지만, 복잡한 학술 글쓰기보다 단순 문법 교정과 번역에 더 적합하다고 평가했다.

토론은 AI와의 대화를 포함했고, 협력은 다른 사람과 공동 과업을 수행하면서 AI의 지원을 받는 활동으로 한정됐다. 토론에서는 타인의 평가에 부담을 덜 느끼며 의견을 표현한 사례가 있었다. 협력에서는 팀워크에 긍정적인 효과가 나타난 결과와 유의한 효과가 확인되지 않은 결과가 함께 보고됐다. 개인 중심 활동이 빈번하게 보고된 결과는 개인화된 자기주도학습을 지원하는 활용 양상으로 해석됐다. 다만 토론과 협력을 다룬 논문 수만으로 학생의 동료 상호작용이 줄었는지는 판단할 수 없다. 고찰에서는 출판편향, 영어 문헌으로 제한된 검색, AI 사용자에 대한 부정적 인식이 자기보고에 미칠 영향을 고려했다. 정보 검증과 prompt engineering 교육, 윤리적 사용을 위한 기관 정책, 실험연구와 종단연구를 제안했다.

국가시험 준비에서 자동 평가와 동료 피드백의 결합

시험 준비 과정의 AI 사용을 조사한 전향적 배포 연구(Song et al., 2026)에서는 연세대학교 의과대학 학생들에게 CPX-MATE 플랫폼을 제공해 자율적으로 사용하게 했다. 이 플랫폼은 동료 역할극을 채점하는 real-time evaluator(RTE)와 혼자 대화 연습을 하는 virtual standardized patient(VSP)를 결합한다. 선행 검증에서는 연구자가 일정을 정했다. 이번에는 2026년 2월 22일부터 4월 22일까지 60일간 교수자의 일정 배정이나 지도 없이 플랫폼을 무료로 제공하고, 채택과 지속 사용을 살폈다. 참여 대상 72명 중 43명(59.7%)이 동의했다. 학생들은 임상학년 동안 약 40회의 형성적 OSCE 연습과 세 차례의 총괄 모의시험을 경험했다. 콘텐츠는 주호소 55개와 VSP 시나리오 110개로 구성했다. 체크리스트는 교수 2명이, AI 생성 시나리오는 의사 3명이 검토했다. RTE는 Whisper-1으로 대화를 전사하고 GPT-5.4로 항목별 이분 채점을 했다. 평가는 Proctor 등의 implementation outcomes framework에 근거했다. 로그, 전후 설문, API 비용 자료, 14명의 면담 자료를 수집하고, 수용성과 적합성을 5점 AIM·IAM으로 측정했다.

한 번 이상 사용한 학생은 42명으로, 채택률은 동의자 기준 97.7%(42/43), 전체 참여 대상자 기준 58.3%(42/72)였다. 총 3,042세션 중 RTE는 2,807세션, VSP는 235세션이었고, 전체 완료율은 97.9%였다. 누적 사용 시간 745.1시간에는 결과를 다시 확인하는 Score Review 178.6시간이 포함됐다. 사용자 재사용률은 RTE가 100%, VSP가 72.0%였다. RTE 수용성 중앙값은 사용 전 4에서 사용 후 4.62로 상승했다(Hodges–Lehmann[HL] 추정치 0.38, 95% CI 0.25–0.50; P = 0.003). 사전 태도와 사용 강도의 상관관계는 유의하지 않았으나, 설문 응답이 높은 점수에 몰려 있었다. 두 번 이상 연습한 학생–주호소 조합 776개에서 첫 번째와 두 번째 수행의 총점 차이에 대한 HL 추정치는 +1.67점이었다(95% CI 0.99–2.23; P < 0.001; r = 0.191). 점수는 주로 병력청취에서 상승했고, Score Review 체류 시간과 병력청취 점수 변화의 상관은 ρ = 0.134였다. 독립적으로 재평가한 40세션에서 전문가 채점과 자동 채점 간 전체 Gwet’s AC1은 0.959였다. 총 API 운영비는 $592.45였다. 개발·유지보수·교수 검토·시나리오 작성·기관 도입 비용은 포함되지 않았다.

면담 참여자 14명 모두 플랫폼 사용 전부터 약점을 보완하는 연습 전략을 갖고 있었고, 동료와 RTE의 피드백이 서로 보완한다고 설명했다. 동료는 정서와 진료 흐름을 살폈으며, RTE는 체크리스트 항목의 누락과 내용을 정확히 기억했는지를 확인했다. 12명은 피드백을 조율하는 부담이 줄었다고 답했다. 기록을 연습 개선에 활용한 학생은 7명이었으며, 반복적으로 누락된 항목을 찾아 다시 연습한 과정은 2명에게서 직접 확인됐다. 학생들이 네 명씩 하루 6시간 이상 역할극을 하던 환경에서 RTE는 기존 연습에 활용됐다. VSP는 동료가 없을 때 연습하거나 암기한 내용을 말로 확인하는 데 쓰였다. 시험 직전에 연습의 초점을 바꾼 12명 중 10명은 시간관리를 언급했으며 병력청취를 지목한 학생은 없었다. 대조군 없이 자발적 사용을 관찰한 설계이므로, 점수 상승을 해석할 때는 일반적인 연습과 재검사, 익숙함과 시험 불안 감소의 영향을 함께 고려해야 한다. 단일 기관 연구이며 면담 참여자를 목적표집했고, RTE 체크리스트는 임상추론을 직접 측정하지 않았다. 사용 기록과 면담에서는 기존 deliberate practice에 더해진 자동 피드백의 역할이 드러났다.

논의

HRD의 자기조절학습 관점에서는 AI 사용량이나 피드백 열람 시간에 목표 설정, 약점 진단, 다음 연습을 조정한 자료를 더해 학습 관리 과정을 살펴볼 수 있다. AI 피드백에서 확인한 누락 항목을 다음 연습 목표로 바꾸고, 연습한 내용을 실제 병력청취와 의사소통에 적용하는 과정은 자기조절학습과 학습전이를 함께 연구할 구체적인 대상이다. 동료가 정서와 진료 흐름을 살피고 AI가 항목별 누락을 확인한 사례는 사람과 AI의 피드백을 결합하는 교육설계의 검토 근거다.

참고문헌

• Preiksaitis, C., & Rose, C. (2023). Opportunities, challenges, and future directions of generative artificial intelligence in medical education: Scoping review. JMIR Medical Education, 9, e48785. https://doi.org/10.2196/48785
• Pham, T. D., Karunaratne, N., Exintaris, B., Liu, D., Lay, T., Yuriev, E., & Lim, A. (2025). The impact of generative AI on health professional education: A systematic review in the context of student learning. Medical Education, 59(12), 1280–1289. https://doi.org/10.1111/medu.15746
• Song, J. W., Kim, M., Lee, Y. G., Cheong, S. W., Kim, J. J., Cho, J., Kim, Y. S., You, S. C., & Park, C. (2026). Naturalistic adoption and deliberate practice use of an AI-based OSCE platform during national licensure preparation. npj Digital Medicine. article in press (published online 2026-07-15; volume/article number not yet assigned in Crossref). https://doi.org/10.1038/s41746-026-03024-3